VoiceStudio, uma aplicação livre que clona vozes e faz dobragem de vídeos no seu computador, aproxima-se das 95.000 estrelas no GitHub. A aplicação é gratuita, mas o modelo vocal instalado por predefinição proíbe o uso comercial, e o processador por si só abranda significativamente a geração.
O repositório VoiceStudio exibia 94,9k estrelas a 30 de outubro, segundo o Trendshift, que conta 82.898 estrelas ganhas em 61 dias, entre 31 de agosto e 30 de outubro. O mesmo site classificou-o como o primeiro do dia, todas as línguas incluídas, por várias vezes em setembro. Dois nomes aparecem como responsáveis pelo projeto, Palash e Shimul Debnath, sendo que o segundo se juntou à equipa principal com a versão 0.5.7 de 26 de outubro, e estão listados 21 contribuidores: o número de « dois programadores » que circula é, portanto, incompleto.
Publicações virais tiram uma conclusão simples: a ElevenLabs estaria acabada, uma vez que um repositório gratuito faria o mesmo num portátil. Contudo, os documentos do projeto contam uma história mais matizada, entre a licença dos modelos, o hardware necessário e a aplicação ainda em beta.
O que faz o VoiceStudio: clonar, dobrar e conceber vozes sem conta nem chave API
VoiceStudio, antigo OmniVoice Studio, é uma aplicação de desktop de código aberto que reúne clonagem de voz, conceção de voz, dobragem de vídeo, ditado, transcrição e audiolivros, de acordo com o seu site oficial. Tudo acontece localmente: nem conta, nem chave API, nem subscrição para estas funções, e a aplicação só se liga à Internet para as atualizações e os downloads de modelos. Também pede o acordo do proprietário da voz antes de uma clonagem.
Para a clonagem, a Clubic indica que 3 segundos de amostra bastam para uma primeira tentativa, embora sejam recomendados 5 a 15 segundos. A conceção de voz parte de uma descrição escrita: o site cita o exemplo « female, middle-aged, low pitch, British accent ». A aplicação funciona em macOS, Windows, Linux e Docker, e em versão « preview » no Android e iOS.
Quanto às 646 línguas anunciadas, o site esclarece que a disponibilidade varia conforme o motor, a tarefa e a versão. Este número não é, portanto, válido para cada dobragem.
Uso comercial: aplicação em AGPL-3.0, modelo por predefinição em CC-BY-NC
O repositório é publicado sob licença AGPL-3.0, e a página de licença do projeto esclarece que o uso comercial da aplicação não requer uma licença separada, enquanto as condições dos modelos e dos resultados se verificam à parte. É esta segunda parte que muda tudo para quem quer produzir e vender.
O modelo por predefinição, OmniVoice, desenvolvido por k2-fsa, não é livre de qualquer uso. O seu código está sob Apache 2.0, mas os seus pesos pré-treinados estão sob CC-BY-NC, escrevem os seus autores no Hugging Face, porque alguns dados de treino impõem esta restrição. O ecrã dos modelos da aplicação mostra aliás « Non-commercial » ao lado do motor por predefinição, e « Commercial OK » ao lado de vários motores alternativos, alguns dos quais ainda por instalar.
Se pretende um uso comercial, é necessário verificar motor a motor, e não confiar na palavra « gratuito ». O site anuncia também uma oferta « Pro », apresentada como « Coming soon », a 99 $ por ano ou 199 $, com uma licença comercial. Não é a mesma promessa que o « 100 % gratuito » das publicações virais.
O VoiceStudio funciona sem GPU? 8 GB de memória bastam para arrancar
O site indica que aproximadamente 8 GB de memória RAM bastam para arrancar e que uma GPU acelera o conjunto. A documentação do projeto avisa que o processador por si só é cerca de 2 vezes mais lento do que um chip Apple (MPS), e ainda mais face a uma placa NVIDIA (CUDA). Neste contexto, se pretende produzir muita voz, « sem GPU » significa « possível », não « rápido ».
Em Windows, a aceleração PyTorch limita-se às placas NVIDIA: as GPU AMD e Intel recaem sobre o processador, exceto com alguns motores. Um Mac Intel serve apenas de interface e requer um servidor remoto. A Clubic acrescenta que a aplicação ainda está em versão beta e que a geração pode ser lenta sem uma GPU adequada.
A ElevenLabs mantém-se à venda, com 10.000 créditos gratuitos por mês
A página de preços da ElevenLabs exibe sempre um plano gratuito com 10.000 créditos por mês, depois um plano Starter a 6 $ por mês que inclui uma licença comercial. Os escalões sobem até 990 $ por mês para a oferta Business, e a oferta Enterprise faz-se por orçamento. O artigo de blog da empresa menciona ainda uma implementação em VPC, bem como uma implementação no local e no dispositivo em acesso antecipado para empresas.
Entre os dois, o debate centra-se menos na gratuitidade do que na licença, velocidade e qualidade. Não encontrámos nenhuma comparação independente de qualidade entre o VoiceStudio e a ElevenLabs, e os motores propostos pela aplicação não têm todos as mesmas condições de uso. Resta saber quantas das 94,9k estrelas vêm de utilizadores que leram a licença dos modelos.
